-
公开(公告)号：CN115901213A
公开(公告)日：2023-04-04
申请号：CN202211412595.2
申请日：2022-11-11
Applicant: 哈尔滨工业大学
Abstract: 一种旋转机械设备小样本数据生成及故障诊断方法，属于旋转机械故障诊断技术领域。本发明针对旋转机械设备故障诊断中，现有方法在极少样本条件下生成的小样本数据缺乏多样性以及难以和原始样本共享类别信息的问题。包括：对同一故障类别的k个故障样本，采用经验模态分解提取每个故障样本的一系列本征模态；选择基样本并确定参考样本集；将待变异局部基因与由每个参考样本的本征模态中匹配出的与待变异局部基因最相似的局部本征模态进行局部融合，得到变异后局部本征模态；将基样本中除选取的一个局部本征模态外所有其它局部本征模态组成的集合与变异后局部本征模态进行经验模态重构，生成故障新样本。本发明用于小样本数据生成及设备故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN115618613A
公开(公告)日：2023-01-17
申请号：CN202211294744.X
申请日：2022-10-21
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06N3/08 , G06N3/0442
Abstract: 本发明提出的一种基于双深度残差LSTM的复杂装备剩余寿命的预测方法及系统，包括：获取历史复杂装备的多维时序监控数据和性能衰退HI曲线；利用训练后的第一深度残差LSTM模型对待测复杂装备的多维时序监控数据进行性能衰退起始点检测，获得所述待测复杂装备是否进入衰退期：若否，则结束检测；若是，获取待测复杂装备的性能衰退起始点，并利用训练后的第二深度残差LSTM模型对所述待测复杂装备的多维时序监控数据进行预测，获得所述待测复杂装备的预测剩余寿命。本申请在保留传统LSTM网络时序数据处理能力的同时，有效解决深层LSTM训练困难和性能退化问题，并能够对复杂装备性能衰退起始点的检测和进入衰退期后的剩余寿命快速准确预测。
-
公开(公告)号：CN107862129A
公开(公告)日：2018-03-30
申请号：CN201711072101.X
申请日：2017-11-03
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种基于MOEAD的偏差区间偏好引导多目标决策优化方法，本发明涉及基于MOEAD的偏差区间偏好引导多目标决策优化方法。本发明为了解决现有技术求解得到的满足决策者偏差区间偏好的有效解个数少的问题。本发明包括：步骤一：建立带有偏差关系区间偏好信息的多目标决策模型；步骤二：利用法线边界交叉法对步骤一建立的带有偏差关系区间偏好信息的多目标决策模型进行重构得到重构后的分解模型；步骤三：对步骤二重构后的分解模型进行求解，得到带有偏差关系区间偏好信息的多目标决策模型的优化解。本发明避免了传统优化方法通过后验方法获得满足偏好有效解造成的较高的空间复杂度和时间复杂度。本发明用于飞机结构维修决策领域。
-
公开(公告)号：CN107844663A
公开(公告)日：2018-03-27
申请号：CN201711175133.2
申请日：2017-11-22
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种基于疲劳累积损伤的可靠度建模方法，本发明涉及基于疲劳累积损伤的可靠度建模方法。本发明为了解决现有方法计算量大、耗费时间长以及可靠度计算模型中随机因素分布参数的确定存在困难的问题。本发明包括：一：根据疲劳应力寿命法和概率损伤容限建立基于疲劳累积损伤的可靠度模型；二：根据回归模型确定结构疲劳累积损伤为dam时的fa(a|dam)，通过fa(a|dam)求解基于疲劳累积损伤的可靠度模型。本发明方法得到的失效概率计算误差为1.82％。CA2组试件在累积损伤dam1＝1时的失效概率为45.73％，计算误差为4.27％。本发明方法具有很高的计算精度。本发明用于飞机疲劳结构可靠度计算领域。
-
公开(公告)号：CN107748937A
公开(公告)日：2018-03-02
申请号：CN201711071988.0
申请日：2017-11-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于MOEAD的比例区间偏好引导多目标决策优化方法，本发明涉及基于MOEAD的比例区间偏好引导多目标决策优化方法。本发明为了解决现有技术求解得到的满足决策者比例区间偏好的有效解个数少的问题。本发明包括：步骤一：建立带有比例关系区间偏好信息的多目标决策模型；步骤二：利用法线边界交叉法对步骤一建立的带有比例关系区间偏好信息的多目标决策模型进行重构得到重构后的分解模型；步骤三：对步骤二重构后的分解模型进行求解，得到带有比例关系区间偏好信息的多目标决策模型的优化解。本发明避免了传统优化方法通过后验方法获得满足偏好有效解造成的较高的空间复杂度和时间复杂度。本发明用于飞机结构维修决策领域。
-
公开(公告)号：CN105488564A
公开(公告)日：2016-04-13
申请号：CN201510828509.X
申请日：2015-11-25
Applicant: 哈尔滨工业大学
CPC classification number: G06N3/0445 , G06F17/504
Abstract: 本发明公开了一种神经网络知识表示方法，定义当前表示方法对应的神经网络类型。仅包含BP神经网络模型和模糊神经网络模型。分解特定神经网络模型结构，并通过可扩展标记语言XML标签的方式加以表达。分离特定神经网络模型的结构标签，标签格式分为起始标签 和结束标签 表示，标签对中可包含其他标签。分离特定神经网络模型的信息标签，标签格式分为起始标签 和结束标签 表示，标签对中不可包含其他标签，但一定包含该标签所关联的信息值，关联后的根节点用来表示特定神经网络模型对应的一个完整知识。本发明实现了神经网络知识的表达与存储，能够有效支持复杂装备的设计过程。
-
-
-
-
-
Search Results
46
records
(took 0.026 seconds)
